无人机运动状态分析方法和装置制造方法及图纸

本发明专利技术提供了无人机运动状态分析方法和装置，涉及无人机技术领域，通过获取无人机的运动状态参数，将无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数，将第一运动状态参数、第二运动状态参数和第三运动状态参数分别进行函数扩展得到第四运动状态参数、第五运动状态参数和第六运动状态参数，将第一运动状态参数、第二运动状态参数、第三运动状态参数、第四运动状态参数、第五运动状态参数和第六运动状态参数通过函数链神经网络得到预测结果，从而可以提高无人机运动状态预测的准确率。

Method and device for analyzing motion state of unmanned aerial vehicle

The present invention provides a method and apparatus for movement analysis of UAV, relates to the field of UAV technology, by acquiring the motion state parameters of the UAV, time series, artificial neural network algorithm and polynomial fitting prediction algorithm and support vector machine prediction algorithm to get the first second motion parameters, motion parameters and motion state parameters respectively through the movement of third the state parameters of UAV, the first motion parameters, motion parameters of second and third motion parameters of functions were extended fourth motion parameters, fifth motion parameters and sixth motion parameters, motion parameters, the first second motion parameters, motion parameters, third parameters, fifth fourth movement the motion parameters and sixth motion parameters through the function chain neural network The prediction results can be improved, and the accuracy of UAV motion state prediction can be improved.

【技术实现步骤摘要】
无人机运动状态分析方法和装置
本专利技术涉及无人机
，尤其是涉及无人机运动状态分析方法和装置。
技术介绍
无人机的运动自由度相当高，在空间的运动有六个自由度，即质心的三个移动自由度和绕质心的三个转动自由度。质心的三个移动自由度是位置的前后运动、上下升降运动和左右侧移运动；绕质心的三个转动自由度是俯仰角运动、偏航角运动和滚转角运动。根据质心的三个移动自由度和绕质心的三个转动自由度得到无人机运动状态的参数，具体包括：地速、迎角、侧滑角、滚转角、俯仰角、偏航角、滚转角速率、俯仰角速率、偏航角速率、纵向位移、侧向位移和高度等。一般通过单一预测模型得到预测结果，但是由于单一预测模型的局限性，使预测结果的准确率并不理想。采用适合方式将不同的预测方法进行组合，综合利用各种预测方法所提供的信息，可以提高预测精度，这就形成了组合预测方法。目前组合预测还处在起步阶段，现阶段的组合预测主要是建立在若干预测模型线性加权组合基础之上，权值的合理性和可用性还缺乏一个具体、统一的评判标准或评判方法，预测结果的准确率较低。
技术实现思路
有鉴于此，本专利技术的目的在于提供无人机运动状态分析方法和装置，可以提高无人机运动状态预测的准确率。第一方面，本专利技术实施例提供了无人机运动状态分析方法，所述方法包括：获取所述无人机的运动状态参数；将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数；将所述第一运动状态参数、所述第二运动状态参数和所述第三运动状态参数分别进行函数扩展得到第四运动状态参数、第五运动状态参数和第六运动状态参数；将所述第一运动状态参数、所述第二运动状态参数、所述第三运动状态参数、所述第四运动状态参数、所述第五运动状态参数和所述第六运动状态参数通过函数链神经网络得到预测结果。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数包括：将所述无人机的运动状态参数作为训练样本，对神经网络进行训练；通过所述神经网络的自学习能力调整所述无人机运动状态参数对应的权值，构建预测模型；根据所述预测模型得到所述第一运动状态参数。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数还包括：将所述无人机的运动状态参数构成时间序列；将所述时间序列进行拟合，构建拟合多项式；根据所述拟合多项式得到所述第二运动状态参数。结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数还包括：将所述无人机的运动状态参数构成所述时间序列；利用所述时间序列通过所述支持向量机预测算法构建函数；将所述无人机的运动状态参数通过所述函数得到所述第三运动状态参数。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述将所述第一运动状态参数、所述第二运动状态参数、所述第三运动状态参数、所述第四运动状态参数、所述第五运动状态参数和所述第六运动状态参数通过函数链神经网络得到预测结果包括：将所述第一运动状态参数、所述第二运动状态参数、所述第三运动状态参数、所述第四运动状态参数、所述第五运动状态参数和所述第六运动状态参数通过加权相加得到运动参数预测值；将所述运动参数预测值通过成型函数处理得到所述预测结果。第二方面，本专利技术实施例提供了无人机运动状态分析装置，所述装置包括：第一获取单元，用于获取所述无人机的运动状态参数；第一计算单元，用于将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数；扩展单元，用于将所述第一运动状态参数、所述第二运动状态参数和所述第三运动状态参数分别进行函数扩展得到第四运动状态参数、第五运动状态参数和第六运动状态参数；第二计算单元，用于将所述第一运动状态参数、所述第二运动状态参数、所述第三运动状态参数、所述第四运动状态参数、所述第五运动状态参数和所述第六运动状态参数通过函数链神经网络得到预测结果。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，所述第一计算单元包括：训练单元，用于将所述无人机的运动状态参数作为训练样本，对神经网络进行训练；第一构建单元，用于通过所述神经网络的自学习能力调整所述无人机运动状态参数对应的权值，构建预测模型；第二获取单元，用于根据所述预测模型得到所述第一运动状态参数。结合第二方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述第一计算单元还包括：第一构成单元，用于将所述无人机的运动状态参数构成时间序列；拟合单元，用于将所述时间序列进行拟合，构建拟合多项式；第三获取单元，用于根据所述拟合多项式得到所述第二运动状态参数。结合第二方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述第一计算单元还包括：第二构成单元，用于将所述无人机的运动状态参数构成所述时间序列；第二构建单元，利用所述时间序列通过所述支持向量机预测算法构建函数；第四获取单元，用于将所述无人机的运动状态参数通过所述函数得到所述第三运动状态参数。结合第二方面，本专利技术实施例提供了第二方面的第四种可能的实施方式，其中，所述第二计算单元包括：加权单元，用于将所述第一运动状态参数、所述第二运动状态参数、所述第三运动状态参数、所述第四运动状态参数、所述第五运动状态参数和所述第六运动状态参数通过加权相加得到运动参数预测值；处理单元，用于将所述运动参数预测值通过成型函数处理得到所述预测结果。本专利技术实施例无人机运动状态分析方法和装置，通过获取无人机的运动状态参数，将无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数，将第一运动状态参数、第二运动状态参数和第三运动状态参数分别进行函数扩展得到第四运动状态参数、第五运动状态参数和第六运动状态参数，将第一运动状态参数、第二运动状态参数、第三运动状态参数、第四运动状态参数、第五运动状态参数和第六运动状态参数通过函数链神经网络得到预测结果，从而可以提高无人机运动状态预测的准确率。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地本文档来自技高网...

【技术保护点】
一种无人机运动状态分析方法，其特征在于，所述方法包括：获取所述无人机的运动状态参数；将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数；将所述第一运动状态参数、所述第二运动状态参数和所述第三运动状态参数分别进行函数扩展得到第四运动状态参数、第五运动状态参数和第六运动状态参数；将所述第一运动状态参数、所述第二运动状态参数、所述第三运动状态参数、所述第四运动状态参数、所述第五运动状态参数和所述第六运动状态参数通过函数链神经网络得到预测结果。

【技术特征摘要】
1.一种无人机运动状态分析方法，其特征在于，所述方法包括：获取所述无人机的运动状态参数；将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数；将所述第一运动状态参数、所述第二运动状态参数和所述第三运动状态参数分别进行函数扩展得到第四运动状态参数、第五运动状态参数和第六运动状态参数；将所述第一运动状态参数、所述第二运动状态参数、所述第三运动状态参数、所述第四运动状态参数、所述第五运动状态参数和所述第六运动状态参数通过函数链神经网络得到预测结果。2.根据权利要求1所述的无人机运动状态分析方法，其特征在于，所述将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数包括：将所述无人机的运动状态参数作为训练样本，对神经网络进行训练；通过所述神经网络的自学习能力调整所述无人机运动状态参数对应的权值，构建预测模型；根据所述预测模型得到所述第一运动状态参数。3.根据权利要求2所述的无人机运动状态分析方法，其特征在于，所述将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数还包括：将所述无人机的运动状态参数构成时间序列；将所述时间序列进行拟合，构建拟合多项式；根据所述拟合多项式得到所述第二运动状态参数。4.根据权利要求3所述的无人机运动状态分析方法，其特征在于，所述将所述无人机的运动状态参数分别通过人工神经网络算法、多项式拟合的时间序列预测算法和支持向量机预测算法得到第一运动状态参数、第二运动状态参数和第三运动状态参数还包括：将所述无人机的运动状态参数构成所述时间序列；利用所述时间序列通过所述支持向量机预测算法构建函数；将所述无人机的运动状态参数通过所述函数得到所述第三运动状态参数。5.根据权利要求1所述的无人机运动状态分析方法，其特征在于，所述将所述第一运动状态参数、所述第二运动状态参数、所述第三运动状态参数、所述第四运动状态参数、所述第五运动状态参数和所述第六运动状态参数通过函数链神经网络得到预测结果包括：将所述第一运动状态参数、所述第二运动状态参数、所述...

【专利技术属性】
技术研发人员：陈夏阳，帅博，邹世民，李海锋，吴波，张建森，黄文辉，汪建，来飞，
申请(专利权)人：上海资誉电子科技有限公司，
类型：发明
国别省市：上海,31